噪声协方差的一种递推估计方法

基于自噪声平滑器,本文提出了状态空间模型中噪声协方差的一种新的递推估计方法,给出了一种次优无偏极大后验(MAP)递推噪声协方差估值器,可应用于信号去卷和Kalman滤波,仿真例子说明了本文结果的有效性。     

自校正α-β跟踪滤波器

本文用现代时间序列分析方法对雷达跟踪系统提出了一种新的自校正α-β跟踪滤波器, 它有如下优点:1)可处理带未知噪声统计和含未知模型参数的跟踪系统;2)基于ARMA新 息模型的在线辨识,可简单地计算α-β滤波器的参数;3)避免解稳态Riccati方程;4)具有渐 近最优(自校正)性.仿真例子说明了其有效性.     

多模型择优预测方法及其应用

本文在现有常见的预测方法的基础上,提出了一种“多模型择优预测模式”.借助于电子计算机对于黑龙江省未来某项主要的经济指标进行了预测,预测结果表明,这种预测模式综合能力强,预报误差可以相应减小,使用较方便.     

单通道最优和自校正去卷平滑器及其应用

基于白噪声估计理论，本文提出了单通道ＡＲＭＡ信号的一种新的最优和自校正去卷滤波器和平滑器，可处理非平稳ＡＲＭＡ输入信号及不稳定和非最小相位系统，并给出了在雷达跟踪系统中的仿真应用例子。     

非平稳ARMA信号自校正去卷滤波器

本文用现代时间序列分析方法[1],对于通过已知线性系统被观测的未知非平稳ARMA输 入信号,提出了一种新的自校正递推去卷滤波器,它可用ARMA新息滤波器形式表示,适用 于非最小相位和不稳定的线性观测系统.仿真例子说明了其有效性.     

黑龙江省五月降水环流形势的多层递阶长期预报模型

本文应用多层递阶预报方法,对黑龙江省五月降水环流形势进行了长期预报,使预报的趋势准确率和精度得到了较大的提高。     

自校正α—β—γ跟踪滤波器

对于含有未知模型参数和带未知噪声统计的一类跟踪系统,基于ARMA新息模型的在线辨识,本文提出了一种新颖的自校正α-β-γ跟踪滤波器,仿真结果说明了它的有效性。     

动态系统时变参数的辨识

本文给出了跟踪动态系统时变参数的一种简单而有效的算法,引出了多输出系统输出可 分离性的概念,说明在辨识的过程中,在适当条件下,n输出系统可分解成n个一定意义下与 之等效的单输出系统,这种方法将给时变参数的辨识带来方便.本文的结果主要应用于预报 模型的辨识.     

Wiener状态去卷滤波器

应用现代时间序列分析方法,基于ARMA新息模型提出了一类带多重观测滞后和带滑动平均（MA）有色观测噪声系统的Wiener状态去卷滤波器,它具有渐近稳定性和ARMA递推形式,可统一处理滤波、平滑和预报问题,且可用于解决带ARMA有色观测噪声系统状态估计和信号Wiener滤波与反卷积问题,二个仿真例子说明了其有效性。     

一类模糊系统的多层递阶预报

本文讨论一类模型系统的多层递阶预报问题，提出了相应的模糊多层递阶模型，模糊参数估计方法及预报步骤。通过应用实例说明效果良好。